注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Python-PyTorch中的可变形卷积网络

  2. PyTorch中的可变形卷积网络

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：13312
    • 提供者：weixin_39841856

  1. pytorch版可变形卷积代码DCNv2.zip

  2. pytorch版可变形卷积代码DCNv2，下载编译可直接使用，内附编译过程及详细使用方法。在Ubuntu环境下使用的。

  3. 所属分类：深度学习

    • 发布日期：2020-04-09
    • 文件大小：22528
    • 提供者：m0_37407756

  1. Python-利用Pytorch实现的可变形卷积网络v2

  2. 利用Pytorch实现的可变形卷积网络v2

  3. 所属分类：其它

    • 发布日期：2019-08-09
    • 文件大小：22528
    • 提供者：weixin_39840387

  1. Neural-3D-Morphable-Models-Spiral-convolution-源码

  2. 项目摘要 3D几何数据的生成模型出现在3D计算机视觉和图形的许多重要应用中。 在本文中，我们重点研究具有共同拓扑结构（例如人脸和身体）的3D可变形形状。 尽管具有线性公式，但可变形模型及其变体已被广泛用于形状表示，而最近提出的大多数非线性方法都采用中间表示，例如3D体素网格或2D视图。 在这项工作中，我们引入了一种直接作用于3D网格的新颖的图卷积算子，该算子明确地对固定基础图的归纳偏差进行建模。 这是通过通过螺旋运算符强制执行图的顶点的一致局部局部排序来实现的，从而打破了图神经网络上所有现有工作

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：311296
    • 提供者：weixin_42117150

  1. DAMDNet:DAMDNet用于3D人脸对齐（ICCV2019研讨会）论文-源码

  2. 双重注意力MobDenseNet（DAMDNet）进行稳健的3D人脸对齐（ICCV2019研讨会）-Pytorch 笔记 在“ Demo.py”文件中，您将找到如何运行这些代码。 在“ FaceSwap / Demo2.py”文件中，您将找到如何运行人脸交换代码。 抽象的 本文提出了一种双重注意机制和一种高效的端到端3D人脸对齐框架。通过深度可分离卷积，密集连接卷积和轻量级通道注意机制，我们建立了一个稳定的网络模型。 为了增强网络模型提取人脸区域空间特征的能力，我们采用空间分组智能特征增强模块来

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：131072000
    • 提供者：weixin_42131790

  1. MDANet_ICRA2021:ICRA 2021“ MDANet-源码

  2. 深度完成的多模态深度汇聚网络 这是MDANet（ICRA 2021）的官方PyTorch实施，MDANet是用于深度完成的有效网络。 介绍 深度补全旨在分别从稀疏深度数据和RGB图像中恢复密集深度图。 然而，由于多模态信号输入之间的巨大差异，香草卷积神经网络和简单的融合策略无法从稀疏数据中提取特征并有效地汇总多模态信息。 为了解决这个问题，我们设计了一种新颖的网络体系结构，该体系结构充分利用了多模式功能来进行深度完成。 首先提出了一种有效的预完成算法，以提高输入深度图的密度并提供先验分布。 此外

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：579584
    • 提供者：weixin_42119281

  1. pytorch-deform-conv：变形卷积的PyTorch实现-源码

  2. 可变形卷积的PyTorch实现 魏欧阳巴斯德研究所 感谢Felix Lau的Keras / TensorFlow实现： （ ） 待办事项清单 在pytorch中实现偏移量映射 所有测试通过 变形卷积模块 微调可变形卷积模块 大规模mnist演示 使用缓存的网格数组提高速度 使用pytorch（而不是Keras）的MNIST数据集 支持不同宽度和高度的输入图像 张量流实施基准 可变形卷积网络 戴继峰，齐浩志，熊玉文，李毅，张国栋，韩寒和魏一辰。 2017年。“可变形卷积网络”

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42118701

  1. LGFN-源码

  2. 用于视频超分辨率的本地-全球融合网络 该存储库是关于视频超分辨率的本地全局Fusioin网络（LGFN）。 介绍 我们提议的视频超高分辨率本地-全球融合网络（LGFN）致力于有效解决将低分辨率（LR）视频恢复为高分辨率（HR）视频的问题。 通过特征提取模块从输入帧中提取特征。 然后，我们通过堆叠的可变形卷积（DC）与减少的多次膨胀卷积单元（DMDCU）对齐相邻帧与参考帧，以预测更准确的参数。 之后，分别通过局部融合模块和全局融合模块融合特征。 输出整合在一起并发送到重建模块中，以恢复高分辨率视频

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：4194304
    • 提供者：weixin_42133753

  1. defHTR:具有可变形卷积的HTR CNN的Pytorch代码-源码

  2. defHTR:具有可变形卷积的HTR CNN的Pytorch代码

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：25165824
    • 提供者：weixin_42133753

  1. xcenternet:基于CenterNet（对象作为点）和TTFNet（培训时间友好的网络）的快速无锚对象检测。在TensorFlow 2.4+中实现-源码

  2. 修改TensorFlow 2.4及以上（或2.2，如果您使用XCenterNet标记为V1.0.0）上述tf.keras实施CenterNet对象检测在描述由兴义周，王德泉，菲利普·克雷恩布尔和TTFNet刘屠征，徐国栋，杨正，刘海峰，蔡登。有关原始实现，请参阅和。 此实现不是本文或pytorch实现的精确副本，因为我们已根据需要对其进行了修改，因此此回购协议具有一些功能： 使用tf2.2 + keras模型train_step和tf.data.dataset 使用来自tf2.3 +的tenso

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：1048576
    • 提供者：weixin_42122881